TUGAS METODOLOGI PENELITIAN

ANALISIS PENGGUNAAN TEKNOLOGI BIG DATA DALAM

PENGAMBILAN KEPUTUSAN PADA PETERNAKAN AYAM

OLEH :
ADAM REVALDI
201220520

PRODI SISTEM INFORMASI

FAKULTAS TEKNOLOGI INFORMASI
UNIVERSITAS SEMBILAN BELAS NOVEMBER KOLAKA
KOLAKA
2023
 DAFTAR ISI

DAFTAR ISI ........................................................................................................... i

BAGIAN I PENDAHULUAN ............................................................................. 3
1.1. Latar Belakang ......................................................................................... 3
1.2. Rumusan Masalah .................................................................................... 4
1.3. Batasan Masalah ....................................................................................... 4
1.4. Tujuan Penelitian ...................................................................................... 4
1.5. Manfaat Penelitian .................................................................................... 4
BAGIAN II TINJAUAN PUSTAKA ................................................................... 6
2.1. Kajian Pustaka .......................................................................................... 6
2.2. Landasan Teori ......................................................................................... 8
2.2.1. Pengertian Analisis............................................................................ 8
2.2.2. Metode Analisis ................................................................................ 9
2.2.3. Big Data ............................................................................................ 9
2.2.4. Pengertian pengambilan keputusan ................................................. 12
2.2.5. Proses pengambilan keputusan ....................................................... 13
2.2.6. Peternakan Ayam ............................................................................ 14
2.2.7. Analisis Data dalam Peternakan Ayam ........................................... 16
2.2.8. Konsep dan prinsip penggunaan teknologi Big Data dalam
peternakan ayam............................................................................................ 17
BAGIAN III METODOLOGI PENELITIAN ................................................ 18
3.1. Tempat dan Waktu Penelitian ................................................................ 18
3.1.1. Tempat Penelitian............................................................................ 18
3.1.2. Jadwal dan Waktu Penelitian .......................................................... 18
3.2. Tahapan Penelitian ................................................................................. 18
3.3. Jenis Penelitian ....................................................................................... 19
3.4. Metode Pengumpulan Data .................................................................... 20
3.5. Subjek dan Objek Penelitian .................................................................. 21
3.5.1. Subjek Peneltian .............................................................................. 21
3.5.2. Objek Penelitian .............................................................................. 21
3.6. Analisis Kebutuhan Hardware dan Software ......................................... 21

i
DAFTAR PUSTAKA .......................................................................................... 23

ii
 BAGIAN I PENDAHULUAN

1.1. Latar Belakang

Peternakan ayam merupakan salah satu sektor penting dalam industri peternakan
di Indonesia. Pertumbuhan populasi penduduk yang semakin meningkat,
meningkatkan permintaan akan daging ayam yang terus meningkat setiap tahun.
Namun, dalam menjalankan bisnis peternakan ayam, terdapat beberapa tantangan
yang harus dihadapi oleh para peternak, di antaranya adalah fluktuasi harga pakan,
kesehatan ayam, dan penentuan harga jual yang tepat.

Pada era digital saat ini, teknologi big data telah menjadi solusi untuk mengatasi
tantangan tersebut. Teknologi big data memberikan kemampuan untuk
mengumpulkan, menyimpan, mengelola, dan menganalisis data dalam jumlah yang
besar dan kompleks, sehingga dapat memberikan wawasan yang lebih baik dan
akurat untuk pengambilan keputusan.

Dalam konteks peternakan ayam, penggunaan teknologi big data dapat

membantu peternak dalam mengambil keputusan yang tepat, seperti menentukan
jenis pakan yang tepat, memantau kesehatan ayam, dan menentukan harga jual yang
optimal. Data yang dikumpulkan oleh teknologi big data dapat memberikan
informasi yang lebih akurat dan terbaru, sehingga pengambilan keputusan dapat
dilakukan secara lebih efektif dan efisien.

Namun, meskipun teknologi big data memiliki potensi yang besar dalam
membantu pengambilan keputusan di peternakan ayam, masih terdapat sedikit
penelitian yang membahas tentang penggunaannya di sektor peternakan ayam di
Indonesia. Oleh karena itu, penelitian ini akan mengkaji lebih dalam tentang
analisis penggunaan teknologi big data dalam pengambilan keputusan pada
peternakan ayam, dengan harapan dapat memberikan kontribusi dalam
meningkatkan produktivitas dan keuntungan bagi para peternak.

3
1.2. Rumusan Masalah

Berdasarkan dari latar belakang di atas pokok permasalahan bisa di simpulkan

sebagai berikut :

Bagaimana pengaruh penggunaan teknologi big data terhadap kinerja dan

keuntungan peternakan ayam?

1.3. Batasan Masalah

Adapun batasan masalah pada penelitian ini adalah sebagai berikut :

1. Penelitian ini hanya di batasi pada area Kec. Tanggetada

2. Penelitian ini hanya akan melibatkan peternakan ayam skala kecil dan
menengah.

1.4. Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah sebagai berikut :

1. Menjelaskan penggunaan teknologi big data dalam pengambilan keputusan

pada peternakan ayam
2. Mengidentifikasi manfaat dan kendala dalam penggunaan teknologi big
data dalam pengambilan keputusan pada peternakan ayam
3. Menjelaskan upaya yang dapat dilakukann untuk mengatasi kendala dalam
penggunaan teknologi big data dalam pengambilan keputusan pada
peternakan ayam
4. Menganalisis pengaruh penggunaan teknologi big data terhadap kinerja dan
keuntungan peternakan ayam
5. Memberikan rekomendasi kepada peternak ayam dalam menerapkan
teknologi big data dalam pengambilan keputusan pada peternakan ayam
mereka.

1.5. Manfaat Penelitian

Manfaat yang di dapat dari penelitian ini adalah sebagai berikut

4
1. Memberikan informasi yang lebih akurat dan terbaru bagi para peternak
ayam dalam pengambilan keputusan dalam aspek pakan, kesehatan ayam,
dan penetapan harga jual.
2. Membantu meningkatkan produktivitas dan efisiensi pada peternakan
ayam, sehingga dapat meningkatkan keuntungan bagi para peternak.
3. Menjadi acuan bagi para peternak ayam dalam menerapkan teknologi big
data dalam pengambilan keputusan pada peternakan ayam mereka.
4. Menambah wawasan dan pengetahuan bagi para peneliti dan akademisi
mengenai penggunaan teknologi big data pada sektor peternakan ayam di
Indonesia.
5. Menjadi referensi bagi pemerintah dan stakeholder terkait dalam
mengembangkan kebijakan dan program yang berhubungan dengan
penggunaan teknologi big data pada sektor peternakan ayam.

5
 BAGIAN II TINJAUAN PUSTAKA
2.1. Kajian Pustaka
Adapun perabandingan pustaka dapat dilihat pada tabel 2.1 dibawah ini
Tabel 2.1 Penelitian Terdahulu
No Peneliti Judul
1 Nurdiani, R., & Big Data Analytics for
Rahardja, U. Decision Making in
(2017). Poultry Farming.
2 Zhang, C., & Qin, Big Data Analytics in
S. J. (2018). Poultry Farming: A
Review. Journal of Big
Data
3 Yulianto, B., Adoption of Big Data
Soesanto, A., & Analytics in Livestock
Abdullah, S. Farming: Opportunities,
(2019). Challenges, and
Recommendations.
6
Hasil Penelitian
Penelitian
menunjukkan bahwa
penggunaan analitik
Big Data dapat
memprediksi kualitas
pakan, merencanakan
pemeliharaan ayam,
dan meningkatkan
efisiensi produksi di
peternakan ayam.
Penggunaan
teknologi Big Data
dapat memberikan
pengambilan
keputusan yang lebih
baik, pemantauan
kesehatan ayam
secara real-time, dan
pengelolaan risiko
yang lebih efektif di
peternakan ayam.
Peluang dan
tantangan dalam
menggunakan
teknologi Big Data
dalam pengambilan
keputusan pada
peternakan ayam, dan
memberikan
rekomendasi tentang
langkah-langkah yang
perlu diambil untuk
mengoptimalkan
penggunaan teknologi
 Big Data di
peternakan.

4 Chen, Y., & Qian, The Application of Big Penelitian

L. (2020). Data in the Decision- menunjukkan bahwa
making of Poultry penggunaan teknologi
Farming. Big Data dapat
meningkatkan
pengelolaan pakan,
kesehatan ayam, dan
efisiensi produksi di
peternakan ayam.
Namun, penelitian ini
juga mengidentifikasi
beberapa kendala
dalam menerapkan
teknologi Big Data di
peternakan ayam.

5 Salam, S., The Utilization of Big Penelitian

Adinugroho, H., & Data Technology in menunjukkan bahwa
Suyoto. (2021). Poultry Farming Decision teknologi Big Data
Support Systems. dapat digunakan
untuk
mengumpulkan,
menyimpan,
menganalisis, dan
memvisualisasikan
data dalam
mendukung
pengambilan
keputusan yang lebih
baik di peternakan
ayam. Penelitian ini
juga membahas
manfaat dan
tantangan dalam
implementasi
teknologi Big Data di
peternakan ayam.

(Nurdiani & Rahardja, 2017) membahas penggunaan analitik Big Data dalam
pengambilan keputusan pada peternakan ayam secara umum. Artikel ini fokus pada
prediksi kualitas pakan, pemeliharaan ayam, dan efisiensi produksi.[1]

7
 (Zhang & Qin, 2018) adalah tinjauan umum tentang penggunaan analitik Big
Data dalam peternakan ayam. Artikel ini membahas pengambilan keputusan yang
lebih baik, pemantauan kesehatan ayam secara real-time, dan pengelolaan risiko.[2]

(Yulianto, Soesanto, & Abdullah, 2019) membahas adopsi analitik Big Data
dalam peternakan hewan, termasuk peternakan ayam. Artikel ini menyoroti peluang
dan tantangan serta memberikan rekomendasi untuk penggunaan teknologi Big Data
di peternakan.[3]

(Chen & Qian, 2020) fokus pada penerapan analitik Big Data dalam pengambilan
keputusan pada peternakan ayam. Artikel ini membahas pengelolaan pakan,
kesehatan ayam, dan efisiensi produksi sebagai area utama penerapan teknologi Big
Data.[4]

(Salam, Adinugroho, & Suyoto, 2021) membahas pemanfaatan teknologi Big

Data dalam sistem pendukung pengambilan keputusan pada peternakan ayam secara
umum. Artikel ini fokus pada pengumpulan, penyimpanan, analisis, dan visualisasi
data untuk mendukung pengambilan keputusan yang lebih baik di peternakan
ayam.[5]

Dengan demikian, perbedaan penelitian ini dengan referensi tersebut terletak

pada fokus analisis yang lebih spesifik pada penggunaan teknologi Big Data dalam
pengambilan keputusan pada peternakan ayam. Selain itu penelitian ini dapat
membedakan jenis pengambilan keputusan yang difokuskan pada peternakan ayam,
seperti pengelolaan pakan, pemantauan kesehatan ayam, manajemen produksi, atau
perencanaan strategis. Dan Beberapa referensi yang diberikan tidak secara khusus
membahas aplikasi teknologi Big Data dalam pengambilan keputusan pada
peternakan ayam, sehingga ada kesempatan untuk menggali lebih dalam mengenai
aplikasi Big Data dalam konteks peternakan ayam yang spesifik.

2.2. Landasan Teori

2.2.1. Pengertian Analisis
Analisis adalah suatu proses yang digunakan untuk memahami, menguraikan,
dan mengevaluasi suatu fenomena atau masalah dengan menggunakan pendekatan

8
ilmiah. Analisis ini bertujuan untuk mengidentifikasi pola, hubungan, dan tren yang
muncul dari data yang dikumpulkan.[6]

2.2.2. Metode Analisis

Dalam melakukan analisis, peneliti menggunakan beberapa metode yang
relevan dengan tujuan penelitian. Metode-metode tersebut antara lain:

a) Analisis Konten
Analisis konten digunakan untuk menganalisis data yang berupa teks, baik itu
teks tertulis maupun teks lisan. Metode ini melibatkan proses pengkodean dan
kategorisasi data untuk mengidentifikasi pola dan tema yang muncul
b) Analisis Statistik
Analisis statistik digunakan untuk menganalisis data yang berupa angka atau
data yang dapat diukur secara numerik. Metode ini melibatkan penggunaan
teknik statistik seperti regresi, korelasi, dan uji hipotesis untuk mengidentifikasi
hubungan dan tren yang signifikan.
c) Analisis Tematik
Analisis tematik digunakan untuk menganalisis data yang berupa wawancara,
observasi, atau catatan lapangan. Metode ini melibatkan proses pengkodean dan
kategorisasi data untuk mengidentifikasi tema-tema utama yang muncul.

2.2.3. Big Data

2.2.3.1. Definisi dan karakteristik Big Data
Big Data merujuk pada volume data yang besar dan kompleks yang tidak
dapat dengan mudah diproses atau dikelola menggunakan metode tradisional.
Definisi Big Data didasarkan pada tiga dimensi utama yang dikenal sebagai "3V":
Volume (jumlah data yang besar), Velocity (kecepatan pengumpulan dan
pemrosesan data yang cepat), dan Variety (beragamnya jenis data yang dihasilkan
dari berbagai sumber dan format).[7]

Karakteristik utama dari Big Data adalah sebagai berikut:

1) Volume: Big Data melibatkan jumlah data yang sangat besar, termasuk data
yang terus-menerus dihasilkan dari berbagai sumber seperti sensor, perangkat

9
 mobile, media sosial, dan transaksi bisnis. Volumenya bisa mencapai terabyte,
petabyte, atau bahkan lebih.
2) Velocity: Data dalam Big Data dapat dikumpulkan dengan kecepatan yang
tinggi. Misalnya, data streaming dalam waktu nyata dari sensor atau platform
media sosial yang membutuhkan pemrosesan cepat untuk mendapatkan
informasi yang berarti dan waktu respons yang cepat.
3) Variety: Big Data mencakup beragam jenis data, termasuk data terstruktur
(misalnya, basis data tradisional), data tidak terstruktur (misalnya, teks, audio,
video), dan data semi-terstruktur. Data tersebut dapat berasal dari sumber yang
berbeda seperti sistem bisnis, media sosial, data geografis, dan lainnya.
4) Veracity: Veracity mengacu pada kualitas dan keandalan data. Karena Big Data
mencakup volume dan variasi yang besar, kualitas dan keandalan data bisa
menjadi tantangan. Data dapat mengandung kesalahan, ketidakakuratan, atau
bias, sehingga diperlukan analisis dan proses validasi yang tepat.
5) Value: Nilai dari Big Data terletak dalam kemampuannya untuk memberikan
wawasan baru, pemahaman yang mendalam, dan informasi berharga untuk
pengambilan keputusan yang lebih baik. Dengan analisis yang tepat, Big Data
dapat mengungkap tren, pola, dan hubungan yang tidak terlihat sebelumnya,
serta mendukung pengembangan strategi bisnis yang lebih efektif.
6) Variability: Variabilitas mengacu pada perubahan dalam pola dan karakteristik
data dari waktu ke waktu. Data dalam Big Data dapat berubah secara dinamis
dan memiliki tingkat variasi yang tinggi, sehingga perlu dikelola dan dianalisis
dengan pendekatan yang adaptif.

Dalam rangka memanfaatkan potensi Big Data, organisasi perlu

mengembangkan infrastruktur teknologi yang memadai, algoritma analisis yang
canggih, dan sumber daya manusia yang terampil dalam pengelolaan dan
pemrosesan Big Data

2.2.3.2. Teknologi dan alat untuk mengelola dan menganalisis Big Data
Ada beberapa teknologi dan alat yang dapat digunakan untuk mengelola dan
menganalisis Big Data. Berikut ini beberapa contohnya:

10
1) Sistem Penyimpanan dan Pangkalan Data Skala Besar: Untuk menyimpan dan
mengelola volume data yang besar, diperlukan sistem penyimpanan dan
pangkalan data skala besar. Teknologi seperti Hadoop dan Apache Spark
digunakan secara luas dalam mengelola Big Data. Mereka dirancang khusus
untuk memproses data terdistribusi di sejumlah node komputer.
2) Framework Pemrosesan Data Terdistribusi: Untuk memproses Big Data
dengan cepat dan efisien, terdapat beberapa framework pemrosesan data
terdistribusi seperti Apache Hadoop, Apache Spark, dan Apache Flink.
Framework ini memungkinkan pemrosesan paralel yang terdistribusi di
sejumlah komputer dan mempercepat analisis Big Data.
3) Alat Visualisasi Data: Alat visualisasi data seperti Tableau, Power BI, dan
D3.js membantu dalam mewujudkan data menjadi grafik, diagram, dan
visualisasi interaktif lainnya. Ini membantu dalam memahami dan
mengkomunikasikan wawasan yang terkandung dalam Big Data dengan cara
yang lebih intuitif dan efektif.
4) Teknik Pemrosesan Paralel dan Terdistribusi: Untuk meningkatkan kecepatan
pemrosesan Big Data, teknik pemrosesan paralel dan terdistribusi digunakan.
Apache Hadoop dan Apache Spark, misalnya, menggunakan paradigma
pemrosesan paralel dan terdistribusi untuk memproses data secara efisien di
sejumlah node komputer.
5) Teknik Analisis Data Lanjutan: Untuk mendapatkan wawasan yang lebih
mendalam dari Big Data, teknik analisis data lanjutan seperti machine learning,
analisis prediktif, dan analisis tekstual digunakan. Algoritma machine learning
seperti regresi, klasifikasi, pengelompokan, dan pendekatan lainnya digunakan
untuk mengidentifikasi pola, tren, dan hubungan yang tersembunyi dalam data.
6) Cloud Computing: Layanan cloud computing seperti Amazon Web Services
(AWS), Microsoft Azure, dan Google Cloud Platform (GCP) menyediakan
infrastruktur yang skalabel dan elastis untuk mengelola dan menganalisis Big
Data. Mereka menawarkan kapasitas komputasi yang tinggi dan layanan
pengolahan data yang dapat disesuaikan dengan kebutuhan bisnis.

11
7) Teknik Penyimpanan Data Terdistribusi: Untuk menyimpan dan mengelola
data yang sangat besar, teknik penyimpanan data terdistribusi seperti NoSQL
databases (misalnya MongoDB, Cassandra) dan NewSQL databases (misalnya
Google Bigtable, Apache HBase) digunakan. Mereka dirancang untuk
menangani skala, kecepatan, dan keragaman data dalam lingkungan yang
terdistribusi.
8) Teknologi Streaming Data: Untuk memproses data secara real-time atau
streaming, teknologi streaming data seperti Apache Kafka dan Apache Storm
digunakan. Mereka memungkinkan pemrosesan data secara kontinu saat data
masuk, memungkinkan analisis real-time dan pengambilan keputusan yang
cepat.
9) Teknik Data Integration: Teknik integrasi data seperti Extract, Transform,
Load (ETL) dan teknik data virtualisasi digunakan untuk mengintegrasikan
data dari berbagai sumber yang berbeda. Ini memungkinkan penggabungan
data dari berbagai sistem ke dalam satu sumber data yang terpusat untuk
analisis Big Data.

Dengan menggunakan teknologi dan alat-alat ini, organisasi dapat mengelola,

menganalisis, dan mendapatkan wawasan berharga dari Big Data mereka. Namun,
penting untuk memilih teknologi yang sesuai dengan kebutuhan bisnis dan
memiliki kemampuan untuk mengatasi tantangan skala dan kompleksitas Big Data.

2.2.4. Pengertian pengambilan keputusan

Keputusan (decision) secara harfiah berarti pilihan (choice). Pilihan yang
dimaksud di sini adalah pilihan dari dua atau lebih kemungkinan, atau dapat
dikatakan pula sebagai keputusan dicapai setelah dilakukan pertimbangan dengan
memilih satu kemungkinan pilihan.[8]
Beberapa definisi pengambilan keputusan menurut berbagai ahli, di antaranya:
Robert T. Clemen dan Terence Reilly: Pengambilan keputusan adalah proses
memilih satu tindakan atau keputusan dari beberapa alternatif yang tersedia
berdasarkan pertimbangan rasional dan informasi yang ada.[9]

12
 Herbert A. Simon: Pengambilan keputusan adalah proses berpikir yang
melibatkan pemilihan satu tindakan atau pilihan dari beberapa alternatif yang ada.
Simon juga memandang bahwa dalam situasi yang kompleks, manusia seringkali
hanya mampu melakukan pemecahan masalah yang memadai dan tidak mencapai
kesempurnaan [10]
Proses pengambilan keputusan melibatkan beberapa langkah yang dapat
membantu individu atau kelompok dalam memilih tindakan atau pilihan yang tepat.
Berikut adalah beberapa langkah umum yang terlibat dalam proses pengambilan
keputusan:
2.2.5. Proses pengambilan keputusan
a) Mengidentifikasi masalah atau tujuan: Langkah pertama adalah mengenali
adanya masalah yang perlu dipecahkan atau tujuan yang ingin dicapai. Dalam hal
ini, penting untuk mendefinisikan masalah dengan jelas dan memahami tujuan
yang ingin dicapai.
b) Mengumpulkan informasi: Setelah masalah atau tujuan diidentifikasi, langkah
selanjutnya adalah mengumpulkan informasi yang relevan dan diperlukan untuk
pengambilan keputusan. Informasi ini dapat diperoleh dari berbagai sumber,
seperti pengalaman pribadi, penelitian, data statistik, dan pendapat orang lain.
c) Menganalisis informasi: Setelah informasi terkumpul, langkah selanjutnya
adalah menganalisis informasi tersebut secara kritis. Ini melibatkan memeriksa
fakta, membandingkan alternatif, mengevaluasi kekuatan dan kelemahan setiap
pilihan, serta mempertimbangkan konsekuensi yang mungkin timbul dari
masing-masing pilihan.
d) Mengidentifikasi alternatif: Berdasarkan analisis informasi, langkah berikutnya
adalah mengidentifikasi berbagai alternatif atau pilihan yang tersedia. Alternatif
ini harus sesuai dengan masalah yang dihadapi dan tujuan yang ingin dicapai.
e) Mengevaluasi alternatif: Setelah alternatif diidentifikasi, langkah selanjutnya
adalah mengevaluasi setiap alternatif berdasarkan kriteria yang relevan. Kriteria
ini dapat mencakup aspek seperti efektivitas, efisiensi, biaya, dampak sosial,
risiko, dan kesesuaian dengan nilai-nilai dan prinsip yang penting bagi pengambil
keputusan.

13
f) Memilih tindakan atau keputusan: Setelah mengevaluasi alternatif, pengambil
keputusan harus memilih tindakan atau keputusan yang dianggap paling sesuai
dengan analisis dan evaluasi yang telah dilakukan. Keputusan ini haruslah sejalan
dengan tujuan yang ingin dicapai dan faktor-faktor lain yang relevan.
g) Melaksanakan keputusan: Setelah keputusan diambil, langkah berikutnya adalah
melaksanakan keputusan tersebut. Ini melibatkan mengambil tindakan yang
diperlukan untuk menerapkan keputusan secara efektif.
h) Mengevaluasi hasil: Setelah keputusan dilaksanakan, penting untuk
mengevaluasi hasilnya. Ini melibatkan memantau dan mengukur dampak dari
keputusan yang diambil, serta mempertimbangkan apakah hasil yang dicapai
sesuai dengan harapan dan tujuan yang ditetapkan.
2.2.6. Peternakan Ayam
2.2.6.1. Pengertian Peternakan Ayam
Peternakan ayam merujuk pada kegiatan beternak atau memelihara ayam
untuk tujuan komersial atau konsumsi. Ayam merupakan salah satu hewan ternak
yang paling umum dipelihara di seluruh dunia. Peternakan ayam dapat dilakukan
dalam skala kecil, menengah, maupun besar, tergantung pada tujuan dan kapasitas
peternak.
Tujuan utama peternakan ayam adalah untuk memproduksi telur atau
daging ayam secara efisien. Ayam dapat dipelihara untuk produksi telur, dengan
jenis-jenis ayam seperti ayam ras petelur atau ayam buras. Selain itu, ayam juga
dapat dipelihara untuk produksi daging, dengan jenis-jenis ayam seperti ayam ras
pedaging atau ayam broiler.
Peternakan ayam melibatkan berbagai aspek seperti pemilihan bibit yang
berkualitas, perawatan kesehatan ayam, manajemen pakan, pengaturan lingkungan
kandang, dan pengelolaan limbah. Dalam skala yang lebih besar, peternakan ayam
dapat melibatkan sistem kandang konvensional, sistem kandang baterai, atau sistem
kandang tanpa kandang (free-range).
Selain itu, ada juga peternakan ayam yang mengkhususkan diri pada
produksi ayam petelur atau ayam pedaging, sedangkan ada juga peternakan ayam

14
yang menggabungkan kedua tujuan tersebut. Tujuan peternakan ayam bisa berbeda-
beda tergantung pada kebutuhan pasar dan strategi bisnis peternak.
Dalam peternakan ayam modern, teknologi dan inovasi digunakan untuk
meningkatkan efisiensi dan produktivitas, seperti penggunaan sistem otomatis
untuk pengaturan suhu dan pakan, pemantauan kesehatan ayam dengan sensor, dan
penggunaan vaksinasi untuk mencegah penyakit.
Secara umum, peternakan ayam berperan penting dalam memenuhi
kebutuhan pangan akan telur dan daging ayam yang tinggi permintaannya di
pasaran. Selain itu, peternakan ayam juga memberikan kontribusi ekonomi dan
menciptakan lapangan kerja di sektor pertanian.
2.2.6.2. Sumber dan jenis data dalam konteks peternakan ayam
Dalam konteks peternakan ayam, terdapat beberapa sumber dan jenis data
yang dapat dikumpulkan dan dimanfaatkan untuk pengelolaan peternakan. Berikut
adalah beberapa sumber dan jenis data yang umum dalam peternakan ayam:

1) Data Produksi: Data produksi ayam mencakup informasi tentang jumlah telur
yang dihasilkan, berat telur, bobot ayam, konversi pakan, mortalitas ayam, dan
pertumbuhan ayam. Data ini penting untuk memantau performa produksi,
efisiensi, dan kesehatan ayam.
2) Data Kesehatan Ayam: Data kesehatan mencakup informasi tentang vaksinasi,
pengobatan, pengendalian penyakit, dan riwayat kesehatan ayam. Data ini
membantu dalam pemantauan kesehatan populasi ayam, pengendalian
penyakit, dan pengambilan tindakan pencegahan yang tepat.
3) Data Pakan: Data pakan mencakup informasi tentang jenis pakan yang
digunakan, komposisi nutrisi, penggunaan pakan, dan persediaan pakan. Data
ini penting untuk memantau konsumsi pakan, efisiensi pakan, dan pemilihan
pakan yang tepat sesuai dengan kebutuhan ayam.
4) Data Lingkungan: Data lingkungan mencakup informasi tentang suhu,
kelembaban, ventilasi, dan kualitas udara di kandang ayam. Data ini membantu
dalam mengoptimalkan kondisi lingkungan yang sesuai untuk pertumbuhan dan
kesehatan ayam.

15
5) Data Genetik: Data genetik mencakup informasi tentang asal-usul, garis
keturunan, dan karakteristik genetik ayam. Data ini penting dalam pemilihan
bibit, pemuliaan, dan pengembangan ayam dengan sifat-sifat yang diinginkan.
6) Data Pasar: Data pasar mencakup informasi tentang harga jual telur atau daging
ayam, tren pasar, dan permintaan konsumen. Data ini membantu dalam
pengambilan keputusan terkait harga jual, pemasaran, dan analisis pasar.
7) Data Keuangan: Data keuangan mencakup informasi tentang pengeluaran,
pendapatan, biaya produksi, dan keuntungan dari usaha peternakan ayam. Data
ini membantu dalam pengelolaan keuangan, analisis kelayakan, dan
perencanaan keuangan.

Pemanfaatan dan analisis data-data ini dapat membantu peternak ayam dalam
pengambilan keputusan yang lebih baik, pemantauan kinerja, dan pengoptimalan
operasional peternakan.

2.2.7. Analisis Data dalam Peternakan Ayam

Analisis data dalam konteks peternakan ayam merujuk pada proses
pengumpulan, pemrosesan, dan interpretasi data yang terkait dengan aspek-aspek
produksi, kesehatan, lingkungan, genetik, dan manajemen ayam. Analisis data
bertujuan untuk mendapatkan wawasan dan pemahaman yang lebih dalam tentang
performa peternakan ayam, identifikasi tren dan pola, serta pengambilan keputusan
yang lebih baik.

Dalam peternakan ayam, analisis data dapat melibatkan pengumpulan data

terkait produksi telur, bobot ayam, konversi pakan, mortalitas ayam, dan
pertumbuhan ayam. Data kesehatan ayam, seperti vaksinasi, pengobatan, dan
riwayat kesehatan, juga dianalisis untuk memantau kesehatan dan performa ayam
secara keseluruhan. Selain itu, data lingkungan seperti suhu, kelembaban, dan
kualitas udara di kandang ayam juga dianalisis untuk memastikan kondisi
lingkungan yang optimal.

Analisis data dalam konteks peternakan ayam juga melibatkan data genetik,
yang mencakup informasi tentang asal-usul, garis keturunan, dan karakteristik

16
genetik ayam. Data genetik digunakan dalam pemilihan bibit, pemuliaan, dan
pengembangan ayam dengan sifat-sifat yang diinginkan.

Dengan melakukan analisis data yang tepat, peternak ayam dapat

mengidentifikasi masalah potensial, mengoptimalkan kinerja produksi,
meningkatkan kualitas kesehatan ayam, dan meningkatkan efisiensi operasional
secara keseluruhan.

2.2.8. Konsep dan prinsip penggunaan teknologi Big Data dalam peternakan
ayam
Konsep dan prinsip penggunaan teknologi Big Data dalam peternakan ayam
melibatkan penerapan pengumpulan, pengolahan, dan analisis data yang besar dan
kompleks untuk mendapatkan wawasan yang berharga bagi pengelolaan peternakan
ayam. Berikut adalah beberapa konsep dan prinsip penting yang terkait dengan
penggunaan teknologi Big Data dalam peternakan ayam:

a. Pengumpulan Data yang Komprehensif: Prinsip utama dalam penggunaan

teknologi Big Data dalam peternakan ayam adalah pengumpulan data yang
komprehensif dari berbagai sumber yang relevan.
b. Pemrosesan Data yang Efisien: Teknologi Big Data memungkinkan
pemrosesan data yang cepat dan efisien.
c. Analisis Data yang Mendalam: Konsep utama dalam penggunaan teknologi Big
Data dalam peternakan ayam adalah analisis data yang mendalam.
d. Pemodelan dan Prediksi: Prinsip penting dalam penggunaan teknologi Big Data
dalam peternakan ayam adalah pemodelan dan prediksi.
e. Keamanan Data dan Kepatuhan: Konsep penting lainnya adalah keamanan data
dan kepatuhan.

Penerapan konsep dan prinsip ini memungkinkan peternak ayam untuk

memanfaatkan potensi Big Data dalam meningkatkan kinerja peternakan,
mengoptimalkan pengambilan keputusan, dan menghadapi tantangan yang ada.

17
 BAGIAN III METODOLOGI PENELITIAN

3.1. Tempat dan Waktu Penelitian

3.1.1. Tempat Penelitian
Dalam penelitian ini, penulis akan melakukan penelitian pada peternakan
ayam yang ada di lingkup Kec. Tanggetada, Kab. Kolaka, Sulawesi Tenggara.

3.1.2. Jadwal dan Waktu Penelitian

Penelitian ini direncanakan selama 4 bulan, dimulai sejak minggu kedua
bulan Juli sampai dengan minggu pertama bulan Desember 2023. Adapun rencana
serta waktu penelitian dapat dilihat pada tabel berikut:

Tabel 3.1.2
Tahun 2023
No Kegiatan Juli Agustus September Oktober
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
Studi
1
Pendahuluan
Perancangan
2
Penlitian
Pengumpulan
3
data
4 Analisis Data
Interpretasi
5
Hasil

3.2. Tahapan Penelitian

a. Studi Pendahuluan
1) Melakukan studi literatur tentang penggunaan teknologi Big Data dalam
pengambilan keputusan pada peternakan ayam.
2) Mengidentifikasi kebutuhan informasi dan tantangan yang dihadapi dalam
pengambilan keputusan di industri peternakan ayam.
3) Menyusun kerangka konseptual berdasarkan hasil studi literatur.
b. Perancangan Penelitian
1) Menentukan populasi penelitian, yaitu peternakan ayam di wilayah tertentu.
2) Memilih sampel penelitian yang representatif dari populasi yang ditentukan.

18
 3) Menyusun instrumen penelitian, seperti kuesioner atau pedoman
wawancara, untuk mengumpulkan data yang relevan.
c. Pengumpulan Data
1) Melakukan pengumpulan data dengan mengaplikasikan instrumen
penelitian yang telah disiapkan ke responden yang terdiri dari peternak
ayam.
2) Mengumpulkan data primer melalui wawancara atau kuesioner yang
berkaitan dengan penggunaan teknologi Big Data dan pengambilan
keputusan pada peternakan ayam.
3) Mengumpulkan data sekunder dari sumber-sumber yang relevan, seperti
laporan industri, data pemerintah, atau publikasi ilmiah.
d. Analisis Data
1) Menganalisis data kualitatif dan kuantitatif yang telah dikumpulkan.
2) Menggunakan teknik analisis yang sesuai, seperti analisis deskriptif,
analisis regresi, atau analisis tematik.
3) Menggunakan perangkat lunak statistik atau alat analisis data yang relevan
untuk mendukung analisis data
e. Interpretasi Hasil
1) Membahas hasil analisis data untuk menjawab pertanyaan penelitian dan
mencapai tujuan penelitian.
2) Menghubungkan temuan penelitian dengan teori yang ada dan studi
sebelumnya.
3) Menyajikan temuan penelitian secara sistematis dan jelas.

3.3. Jenis Penelitian

Jenis Penelitian yang digunakan pada topik kali ini adalah penelitian Deskriptif.
Penelitian deskriptif bertujuan untuk menggambarkan fenomena atau keadaan yang
ada, menjelaskan karakteristiknya, dan menganalisis hubungan antarvariabel.
Dalam konteks penelitian ini, penelitian deskriptif akan membantu dalam
mendapatkan pemahaman yang komprehensif tentang penggunaan teknologi Big
Data dalam pengambilan keputusan pada peternakan ayam.

19
 Dalam penelitian ini, peneliti akan mengumpulkan data dari peternak ayam dan
pihak terkait mengenai penggunaan teknologi Big Data, tantangan yang dihadapi,
manfaat yang diperoleh, dan faktor-faktor yang mempengaruhi penggunaan
teknologi tersebut. Data yang dikumpulkan kemudian akan dianalisis secara
deskriptif untuk memberikan gambaran yang jelas tentang status quo penggunaan
teknologi Big Data pada peternakan ayam.

Penelitian deskriptif ini akan membantu mengidentifikasi tren, pola, dan

karakteristik penggunaan teknologi Big Data dalam pengambilan keputusan pada
peternakan ayam. Hasil penelitian ini dapat memberikan pemahaman yang
mendalam tentang bagaimana teknologi ini digunakan, manfaat yang diperoleh,
serta tantangan yang dihadapi dalam konteks industri peternakan ayam.

3.4. Metode Pengumpulan Data

a. Data Primer:
1) Wawancara: Mengumpulkan data melalui wawancara langsung dengan
peternak ayam atau pihak terkait. Wawancara ini dapat mencakup
pertanyaan tentang penggunaan teknologi Big Data dalam pengambilan
keputusan, tantangan yang dihadapi, dan manfaat yang diperoleh.
2) Observasi: Melakukan observasi langsung di peternakan ayam untuk
mengamati proses pengambilan keputusan dan penggunaan teknologi Big
Data yang dilakukan oleh peternak.
3) Kuesioner: Membuat kuesioner yang ditujukan kepada peternak ayam untuk
mengumpulkan data tentang penggunaan teknologi Big Data dalam
pengambilan keputusan, tingkat adopsi, kepuasan, dan faktor-faktor yang
mempengaruhi penggunaan teknologi tersebut.
b. Data Sekunder:
1) Publikasi ilmiah: Mengacu pada penelitian-penelitian terdahulu yang telah
dilakukan oleh para peneliti atau akademisi mengenai penggunaan
teknologi Big Data dalam industri peternakan ayam. Anda dapat
menggunakan jurnal ilmiah, artikel, dan buku yang relevan sebagai sumber
data sekunder.

20
 2) Laporan industri: Merujuk pada laporan-laporan industri yang diterbitkan
oleh lembaga-lembaga terkait yang membahas tren, perkembangan, dan
penerapan teknologi Big Data dalam pengambilan keputusan pada
peternakan ayam.

3.5. Subjek dan Objek Penelitian

3.5.1. Subjek Peneltian
Peternak ayam merupakan subjek utama penelitian, yang menjadi pengguna
langsung teknologi Big Data dalam pengambilan keputusan di peternakan ayam.
Mereka dapat memberikan informasi tentang pengalaman mereka dalam
menggunakan teknologi tersebut, tantangan yang dihadapi, manfaat yang diperoleh,
dan persepsi mereka terhadap teknologi Big Data dalam pengambilan keputusan.

3.5.2. Objek Penelitian

Objek penelitian meliputi sistem, metode, dan aplikasi yang digunakan dalam
mengumpulkan, menyimpan, mengolah, menganalisis, dan memanfaatkan data
besar untuk mendukung pengambilan keputusan yang optimal pada peternakan
ayam.

3.6. Analisis Kebutuhan Hardware dan Software

Adapun spesifikasi dari alat dan bahan yang digunakan untuk melakukan penelitian
ini adalah sebagai berikut :

1. Hardware
Komputer dengan spesifikasi minimal sebagai berikut:
a) Prosesor: Intel Core i5 atau yang setara dengan kecepatan 2.5 GHz atau
lebih tinggi.
b) RAM: 8 GB atau lebih tinggi.
c) Penyimpanan: Hard disk dengan kapasitas minimal 500 GB atau solid-state
drive (SSD) dengan kapasitas minimal 256 GB.
d) Koneksi internet: Stabil dan cepat untuk mengakses sumber daya online
dan melakukan komunikasi dengan responden
2. Software

21
a) Sistem Operasi:
1) Windows 10 atau macOS Catalina (atau versi yang lebih baru) untuk
kebanyakan perangkat penelitian.
2) Linux (seperti Ubuntu) jika Anda terbiasa dan memilih menggunakan
sistem operasi ini.
b) Perangkat Lunak Analisis Data:
1) Python: Instal Python 3.x dengan paket-paket populer seperti Pandas,
NumPy, scikit-learn, dan Matplotlib untuk pengolahan, analisis, dan
visualisasi data.
2) Apache Hadoop: Untuk analisis data besar dan pemrosesan yang
terdistribusi, pertimbangkan menggunakan Apache Hadoop
Framework.
c) Perangkat Lunak Basis Data:
1) MySQL atau PostgreSQL: Database relasional yang mendukung
pengolahan data dan kueri.
2) MongoDB: Database NoSQL yang dapat digunakan jika data yang
diolah memiliki struktur yang fleksibel.
d) Perangkat Lunak Presentasi dan Visualisasi Data:
1) Microsoft Office: Gunakan Microsoft Excel untuk analisis data dan
Microsoft PowerPoint untuk membuat laporan penelitian.
2) Tableau, Power BI, atau Matplotlib: Untuk visualisasi data yang lebih
interaktif dan menghasilkan grafik atau visualisasi yang menarik.
e) Alat untuk Wawancara Online:
1) Zoom, Google Meet, Microsoft Teams, atau platform wawancara
online lainnya untuk melakukan wawancara online dengan responden.

22
 DAFTAR PUSTAKA

[1] U. Nurdiani, R., & Rahardja, “Big Data Analytics for Decision Making in
Poultry Farming. IOP Conference Series: Materials Science and
Engineering,” 2017.
[2] S. J. Zhang, C., & Qin, “Big Data Analytics in Poultry Farming,” J. Big
Data, 2018.
[3] S. Yulianto, B., Soesanto, A., & Abdullah, “Adoption of Big Data
Analytics in Livestock Farming: Opportunities, Challenges, and
Recommendations.,” J. Eng. Appl. Sci., 2019.
[4] L. (2020). Chen, Y., & Qian, “The Application of Big Data in the Decision-
making of Poultry Farming.,” J. Comput. Sci. Technol., 2020.
[5] & S. Salam, S., Adinugroho, H., “The Utilization of Big Data Technology
in Poultry Farming Decision Support Systems.,” Int. J. Adv. Intell.
Informatics, 2021.
[6] H.-G. Ridder, “Book Review: Qualitative Data Analysis. A Methods
Sourcebook,” Ger. J. Hum. Resour. Manag. Zeitschrift für Pers., vol. 28,
no. 4, pp. 485–487, Nov. 2014, doi: 10.1177/239700221402800402.
[7] G. Karya and V. S. Moertini, “Pengembangan Aplikasi Antarmuka
Layanan Big Data Analysis,” J. RESTI (Rekayasa Sist. dan Teknol.
Informasi), vol. 1, no. 3, pp. 183–190, 2017.
[8] H. Anwar, I. Sultan, and A. Gorontalo, “Proses Pengambilan Keputusan
untuk Mengembangkan Mutu Madrasah,” J. Pendidik. Islam, vol. 8, no. 1,
2014, [Online]. Available: http://journal.walisongo.ac.id/index.php/
[9] T. R. Robert T. Clemen, “Making Hard Decisions with DecisionTools,”
2013.
[10] H. A. Simon, Decision Economics: In the Tradition of Herbert A. Simon’s
Heritage. 2017.

23